【正文】 技術(shù) 研究現(xiàn)狀 自然界中任何物體，由于內(nèi)部帶電粒子的不斷運(yùn)動(dòng)，它們都具有一定的溫度，即自然界中任何物體自身溫度都高于絕對(duì)零度，這時(shí)它就會(huì)不斷的向其所在環(huán)境中進(jìn)行熱輻射。成像過(guò)程中周圍的環(huán)境會(huì)對(duì)成像系統(tǒng)產(chǎn)生很大的影響，這是因?yàn)橹車h(huán)境中存在各種輻射，并且紅外輻射在傳輸過(guò)程中會(huì)被衰減，這些都是在紅外成像系統(tǒng)中需要考慮的問(wèn)題。其次，掃描速度特別慢，導(dǎo)致成像速度慢，不能很好的跟蹤高速運(yùn)動(dòng)的物體。 4）因?yàn)樗且揽恳晥?chǎng)內(nèi)目標(biāo)自身或目標(biāo)與背景之間的溫度差異進(jìn)行探測(cè)的，所以它能夠很好的識(shí)別 偽裝的目標(biāo)，而可見(jiàn)光成像系統(tǒng)很難做到這一點(diǎn)。因此，通過(guò)信號(hào)處理的手段對(duì)圖像進(jìn)行校正，成為了目前使用最廣泛的方式。在求取函數(shù)映射關(guān)系時(shí)使用的是 多項(xiàng)式插值法，但是高次插值多項(xiàng)式逼近精度并不是與插值節(jié)點(diǎn)個(gè)數(shù)成正比，并且隨著插值節(jié)點(diǎn)個(gè)數(shù)的增加計(jì)算量也大幅度增加，不利于實(shí)時(shí)校正。 Torres等人將卡爾曼濾波器應(yīng)用于對(duì)陣列元參數(shù)的估計(jì) [11]，他們把增益系數(shù)和偏移量作為待估計(jì)狀態(tài)變量，同時(shí)將紅外圖像序列分成內(nèi)部參數(shù)保持不變的連續(xù)的塊，通過(guò)馬爾可夫過(guò)程模擬狀態(tài)變的漂移。雖然在成像之后采用了非均 勻性校正算法對(duì)圖像的非均勻性進(jìn)行了校正，但是由于這些像素點(diǎn)偏離正常值較遠(yuǎn)，一般的校正算法校正的深度不夠，達(dá)不到理想的效果，所以就需要使用盲元檢測(cè)算法，檢測(cè)出盲元的具體位置，然后再單獨(dú)的對(duì)其進(jìn)行校正（補(bǔ)償）。在所處理的紅外圖像的灰度級(jí)僅占用全部灰度級(jí)范圍的一部分時(shí)，它們對(duì)圖像對(duì)比度的增強(qiáng)效果比較明顯，因?yàn)樗鼈兊幕舅枷攵际菍D像直方圖中的灰度級(jí)從給定的灰度映射到另一個(gè)灰度。 近年來(lái)，研究人員不斷嘗試著將一些數(shù)學(xué)工具運(yùn)用到紅外圖像的增強(qiáng)中，如文獻(xiàn) [26]中提到的基于神經(jīng)網(wǎng)絡(luò)的圖像增強(qiáng)算法，文獻(xiàn) [27]中進(jìn)行了基于遺傳算法的紅外圖像增強(qiáng)研究，文獻(xiàn) [28]將數(shù)學(xué)形態(tài)學(xué)用 于圖像增強(qiáng)，它們都取得了很好的效果，并且都得到了廣泛的應(yīng)用。但是，受到當(dāng)前技術(shù)水平和工藝水平的限制，并且在成像系統(tǒng)運(yùn)行過(guò)程中，存在外部干擾，這些因素都導(dǎo)致了在現(xiàn)實(shí)中很難生產(chǎn)出具有理想均勻性的紅外焦平面陣列，因此，非均勻性普遍存在于紅外焦平面陣列中。 （ 5）太陽(yáng)輻射的影響 第二章 紅外成像非 均勻性產(chǎn)生的原因和定義 9 一般來(lái)說(shuō)，紅外成像系統(tǒng)在白天的成像質(zhì)量要優(yōu)于夜晚。 （ 1） 陣列元響應(yīng)的不一致性。 （ 4） 放大電路的非一致性。 需要注意的是求和的過(guò)程不包括無(wú)效像元?；诙?biāo)的非均勻性校正算法復(fù)雜度低、精確度高、利于工程中實(shí)時(shí)實(shí)現(xiàn) [34]。 基于定標(biāo)的非均勻性校正算法 目前，基于定標(biāo)的校正方法中比較成熟和廣泛應(yīng)用的是一點(diǎn)校 正法和兩點(diǎn)校正法，其他的像多點(diǎn)校正算法、分段線性算法等，都是以這兩種校正算法為基礎(chǔ)的，原理都是一樣的。對(duì)于增益因子非均勻性較大的情況就不適用了，這就要用到另一種算法：增益因子的一點(diǎn)校正算法。校正示意圖如圖 所示。由于在濾波過(guò)程中參數(shù)與觀測(cè)數(shù)據(jù)的更新是同步的，所以不需要大量的存儲(chǔ)空間對(duì)觀測(cè)數(shù)據(jù)進(jìn)行存取，這就使得濾波器的時(shí)效性比較好。 我們的目的是從觀測(cè)矢量 kX 計(jì)算得到狀態(tài)矢量 [ , ]Tk k kB k b? 的最小均方誤差估計(jì)值，并能夠?qū)崿F(xiàn)遞推 估計(jì)，根據(jù)正交性原則，狀態(tài)矢量 [ , ]Tk k kB k b? 的最小均方誤差估計(jì)與觀測(cè)矢量有如下關(guān)系： ?[ ( ) ] 0 1 , ,Tk k lE B B X l k? ? ? （ 314） 其中， ?kB 被認(rèn)為由 kX 得到的條件期望值： 12? [ | , , , ]k k kB E B X X X? （ 315） 為了得到上述狀態(tài)矢量的最小均方 誤差估計(jì)，需要構(gòu)造兩個(gè)數(shù)學(xué)模型：（ 1）狀態(tài)方程模型（ 2）觀測(cè)模型，它是式（ 313）的矢量第三章 紅外圖像非均勻性校正算法 17 擴(kuò)展 [41]。 驅(qū)動(dòng)噪聲的方差為： ? ? 122 20221v a r v a r ( )1nnwkwWB? ????? ??????? ??????? （ 322） 其中： 0020 00v a r( )0k bB????? ???? （ 323） 式中 ,02k? 和02b? 分別是在 0k? 組幀時(shí)的增益系數(shù)和偏置系數(shù)的方差。它可以通過(guò)前一幀塊狀態(tài)矢量的最優(yōu)估計(jì)計(jì)算出來(lái)： 1 1 1? ?k k k kB B M?? ? ? ??? （ 330） 式中 1k?? 是前面給出的狀態(tài)轉(zhuǎn)移矩陣， 1kM? 是狀態(tài)矢量的期望。除了隱含層，還需要一個(gè)校正層，在校正層中對(duì)像元輸出進(jìn)行校正。對(duì)第 n 幀校正過(guò)后圖像的第 i 行、 j 列的像素作四鄰域均值濾波，作為該像 素的理想輸出： 1 , , 1 1 , , 11 ? ? ? ?( ) [ ( ) ( ) ( ) ( ) ]4ij i j i j i j i jf n x n x n x n x n? ? ? ?? ? ? ? （ 345） （ 3） 校正層 在該層中不僅要使用式（ 32）對(duì)輸入像素值進(jìn)行校正，當(dāng)實(shí)際輸出與理想輸出誤差較大時(shí)，還需要利用隱含層的反饋輸入和校正層的輸出對(duì)校正系數(shù)進(jìn)行修正。 為了直觀的分析校正算法的性能，實(shí)驗(yàn)中通過(guò)均方根誤差（ RMSE）曲線進(jìn)行對(duì)比， RMSE 定義如下式 [46]： 2111 ()NM ij ijijR M S E x yMN ?????? （ 354） 式中， ijx — 是輸入的原圖像 ij 位置像素的灰度值 ijy — 是校正后的輸出灰度值 M、 N— 分別是圖像的行和列數(shù) 處理過(guò)程的 RMSE 曲線如圖 所示，從圖中可以看出，神經(jīng)網(wǎng)絡(luò)校正算法校正過(guò)后圖像的均方根誤差有很大的改善，隨著幀數(shù)的增加，曲線趨于平緩，說(shuō)明參數(shù)的 迭代趨于收斂。目前對(duì)于偽像的消除主要集中于兩個(gè)方面的研究：（ 1）改變迭代步長(zhǎng) [47]：選取較小的迭代步長(zhǎng)可以減小偽像的影響，但是過(guò)小的迭代步長(zhǎng)會(huì)增加算法的收斂時(shí)間。觀察第 188 幀以前的圖像，這些圖像中人物都是帶著眼鏡的，所以可以認(rèn)定均方誤差的大幅度波動(dòng)是由圖像中眼鏡的突然消失引起的，并且觀察第 188 幀圖像可以看出在人的眼部有一個(gè)淡淡的眼鏡的偽像。 （ 4） 輸出層 輸出校正過(guò)后的紅外圖像，即 ( ) ( ) ( ) ( )Y n G n X n O n?? （ 353） 實(shí)驗(yàn) 結(jié)果 分析 使用傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)校正算法對(duì)具有非均勻性的紅外圖像進(jìn)行校正，校正效果如圖 所示，從圖中可以看出，輸入圖像非均勻性非常嚴(yán)重，采用傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)校正算法校正過(guò)后，圖像的非均勻性改善非常明顯。下面將對(duì)算法結(jié)構(gòu)中的每一層進(jìn)行分析，針對(duì)存在的問(wèn)題提出改進(jìn)的方案?？柭鼮V波的效果與幀塊長(zhǎng)度的選取有很大關(guān)系，幀塊長(zhǎng)度越大，給濾波器帶來(lái)的場(chǎng)景信息就越多，對(duì)狀態(tài)變量的估計(jì)就會(huì)越接近真實(shí)值，校正效果就越好。上式也可寫為如下形式： 第三章 紅外圖像非均勻性校正算法 19 (1 ) (1 ) 1 (1 )( ) ( ) 1 ( )k k kkkk k k k k kX Y VkbX l Y l V l? ? ? ? ? ???? ? ? ? ? ?????? ? ? ? ? ???? ? ? ? ? ?? ? ? ? ? ? （ 325） 式中 kl 表示第 k 組幀的長(zhǎng)度。則狀態(tài)方程的矩陣形式為： ( 1 )1( 2 )10 100 01k k k kk k k kkk wbb w? ?????? ? ? ? ? ? ???? ??? ? ? ? ? ? ????? ? ? ? ? ? ?? （ 317） 由于驅(qū)動(dòng)噪聲 kW 對(duì)于系統(tǒng)狀態(tài)的轉(zhuǎn)變起著重要的作用，所以需要對(duì)其統(tǒng)計(jì)特性進(jìn)行分析，假設(shè)驅(qū)動(dòng)噪聲是均值為 0 的不相關(guān)的高 斯過(guò)程。 模型的建立： 假設(shè)探測(cè)元工作在線性范圍內(nèi)，探測(cè)元的輸入輸出關(guān)系可以由式（ 31）給出。因此，定標(biāo)類校正算法通常需要進(jìn)行周期性定標(biāo)校正，這樣在校正過(guò)程中就需要設(shè)備停止工作，所以在實(shí)際應(yīng)用中會(huì)帶來(lái)很大的不便。于是人們提出了兩點(diǎn)校正算法，擴(kuò)大了定標(biāo)的校正范圍。如圖 所示： XT123tXT123t 圖 一點(diǎn)校正算法示意圖 （ 1） 針對(duì)偏置因子的校正算法 當(dāng)焦平面陣列增益不均勻性可忽略不計(jì)，并且偏置帶來(lái)的不均勻性比較明顯時(shí)，這種校正算法效果較好。 0 )i j i j i j i jX n k n Y n b n i M j N? ? ? ? ? ? （ 31） 式中， ()ijYn— 為第 ij 個(gè)陣列元在 n 時(shí)刻接收到的輻射量 ()ijXn— 為第 ij 個(gè)陣列元在 n 時(shí)刻的響應(yīng)輸出 ()ijkn— 為第 ij 個(gè)陣列元在 n 時(shí)刻的增益因子 ()ijbn— 為第 ij 個(gè)陣列元在 n 時(shí)刻的偏置因子 在理想的情況下，各探測(cè)元的增益因子 ()ijkn都是相同的，并且偏置因子 ()ijbn 都為 0，這樣， ()ijXn 就可以真實(shí)的反映出輸入圖像。 21111 ( ) 1 0 0 %() MN ijijN U R RM N d hR ??? ? ?? ? ? ?? （ 24） 以上式（ 22）、（ 23）、（ 24）中， ijR 是焦平面上第 i 行、第j 列像元所對(duì)應(yīng)的響應(yīng)率， R 是平均響應(yīng)率， M、 N 分別是焦平面陣列的行和列數(shù)， d 和 h 分別為焦平面陣列中過(guò)熱像元數(shù)和死像元數(shù)。這一類非均勻性是由外部環(huán)境影響引入的，很難通過(guò)探測(cè)系統(tǒng)自身進(jìn)行消除。 （ 2） 1/f 噪聲。 紅外焦平面陣列非均勻性產(chǎn)生的原因 紅外圖像非均勻性產(chǎn)生的因素是非常復(fù)雜的，這主要是因?yàn)榧t外成像要經(jīng)過(guò)多個(gè)過(guò)程共同作用：首先，場(chǎng)景中各物體對(duì)周圍產(chǎn)生了熱輻射；然后，這些熱輻射以大氣傳輸?shù)姆绞剿偷焦鈱W(xué)采集系 統(tǒng)；最后，通過(guò)探測(cè)元將光學(xué)采集系統(tǒng)采集到的熱輻射信號(hào)轉(zhuǎn)換成電信號(hào)，并使用外部電路對(duì)電信號(hào)進(jìn)行處理；這就是一個(gè)完整的紅外成像系統(tǒng)的工作過(guò)程。 （ 2）低信噪比 自然界中的分子是時(shí)刻處于熱運(yùn)動(dòng)狀態(tài)中的，并且成像系統(tǒng)自身存在電流噪聲，這些都是導(dǎo)致紅外圖像信噪比低的原因。在此基礎(chǔ)上， 分析了基于神經(jīng)網(wǎng)絡(luò)校正算法的不足，然后通過(guò)引入非線性濾波器改善了傳統(tǒng)算法的缺點(diǎn)，并取得了很好的效果，文中給出了仿真結(jié)果參數(shù)的對(duì)比。另外，文獻(xiàn) [22]、 [23]中分別提出了直方圖非線性拉伸增強(qiáng)算法和平臺(tái)直方圖增強(qiáng)算法。從有效像元和盲元響應(yīng)特征在統(tǒng)計(jì)分布上的差異方面出發(fā)，石巖等人 [18]提出了基于特征直方圖分解的紅外焦平面陣列無(wú)效像元檢測(cè)算法，也是一種很好的檢測(cè)算法。并且由于參數(shù)的修正需要一定的時(shí)間，當(dāng)目標(biāo)再次運(yùn)動(dòng)時(shí)，還會(huì)產(chǎn)生偽像。在關(guān)注這類算法各種優(yōu)點(diǎn)的同時(shí)，我們還必須了了解它們一個(gè)共同的缺點(diǎn) ：需要周期性的進(jìn)行重新校正，這是由于在工作過(guò)程中紅外焦平面陣列非均勻性會(huì)隨時(shí)間、環(huán)境等因素的影響有緩慢的變化，這樣就增加了設(shè)備的復(fù)雜度，于是人們提出了基于場(chǎng)景的非均勻性校正算法，該類算法各參數(shù)的更新都是來(lái)自于對(duì)場(chǎng)景的估計(jì)，就避免了定標(biāo)校正算法的缺點(diǎn) [9]。 哈爾濱工程大學(xué)碩士學(xué)位論文 4 紅外 圖像 預(yù)處理算法綜述 紅外 圖像 非均勻性校正研究 現(xiàn)狀 最早應(yīng)用于紅外探測(cè)器的校正算法是 Ewing 等人于 70 年代初提出的一點(diǎn)校正法 [6]，這一算法可以將陣列元對(duì)某一特定的均勻輻射的響應(yīng)置為一致，它可以對(duì)偏置不均勻性進(jìn)行校正，也可以對(duì)增益不均勻性進(jìn)行校正。非均勻性的產(chǎn)生原因有許多，其中加工工藝水平限制和外界影響，以及自身的工作狀態(tài)都會(huì)為系統(tǒng)帶來(lái)嚴(yán)重的非均勻性。紅外凝視焦平面陣列系統(tǒng)以它的 體積小、低功耗、無(wú)光機(jī)掃描、高性能及無(wú)電子束掃描的特點(diǎn)得到了廣泛的使用。 紅 外 輻 射 （ 目 標(biāo) / 背 景 / 各 種干 擾 輻 射 ）光 學(xué) 系統(tǒng)紅 外 探 測(cè) 器視 頻 放 大 器顯 示 器大 氣傳 輸紅 外 輻射 聚 焦電 信號(hào)紅 外 圖 像紅 外 成 像 系 統(tǒng) 圖 紅外成像系統(tǒng)示意圖 按成像方式不同紅外探測(cè)器可以分為：光學(xué)機(jī)械掃描成像和紅外凝視焦平面陣列式成像 [3]。但是由于紅外輻射所處的波段在人眼能夠識(shí)別的范圍之外，所以靠人眼是無(wú)法識(shí)別這種輻射的，如果能夠?qū)⑦@種輻射轉(zhuǎn)換成可見(jiàn)的圖像，那么就可以實(shí)現(xiàn)在無(wú)可見(jiàn)光環(huán)境下對(duì)物 體的觀察。 Blind pixel’s pensation。 （ 2）在分析了盲元產(chǎn)生原因以及盲元與點(diǎn)目標(biāo)之間區(qū)別的基礎(chǔ)上，提出了基于二維線性外推理論的盲元檢測(cè)算法，并在實(shí)驗(yàn)中對(duì)其進(jìn)行了驗(yàn)證，有很好的檢測(cè)效果 。 紅外焦平面陣列是成像系統(tǒng)的最重要的器件，它的性能直接影響著整個(gè)系統(tǒng)的運(yùn)行。 it is hard to distin